图象重建算法与实现

图象重建具有广泛的应用背景，本文主要介绍了图象重建的几种算法，论证了图象重建的具体实现。     

细胞群体连续切片图象中任意个体的计算机三维重建

研究了细胞群体连续切片图象中任意个体的计算机三维重建及显示，并给出了相应的实现算法。该算法是基于同一物体截面在连续切片图象中的－阶归－化矩相似描述，用模式识别的方法确定同一物体的截面及用虚拟矩形窗口技术提取任意个体的所有截面，采用截面重建显示法实现任意个体的重建显示，理论分析和实验研究均证实了该算法的可行性和实用性．     

SPECT图象的最大似然断层重建

传统的ＳＰＥＣＴ反投影断层重建技术只能得到较模糊的图象．基于统计成象模型的断层重建技术,能补偿随机干扰、衰减、散射等因素所造成的图象降质,从而提高图象质量．本文介绍了ＳＰＥＣＴ成象的统计模型及最大似然断层重建算法．从计算机模拟结果可见,新方法能较大程度地改善重建图象的质量．     

一种快速迭代软阈值稀疏角CT重建算法

针对目前迭代软阈值稀疏角CT重建算法收敛速度较慢的问题,提出了一种基于全变分约束的快速迭代软阈值稀疏角CT重建算法.该算法首先对CT稀疏投影数据采用联合代数重建算法(SART)进行重建,以获得满足数据一致性的重建图像,然后计算SART重建图像的离散梯度变换,并对其进行软阈值滤波,最后利用离散梯度变换的伪逆更新重建图像.由于在迭代过程中利用了前2次迭代重建图像作为下一次迭代的初始图像,因而加快了重建算法的收敛速度.对Shepp-Logan模体进行仿真的实验结果表明:在无噪、5×104和2×105光子泊松噪声情况下,与SART重建算法、基于Harr小波的快速迭代软阈值算法以及基于全变分约束的迭代软阈值重建算法相比,该重建算法的收敛速度有明显提高,同时能够有效减小图像的相对重建误差.     

基于灰度渐变特征的运动车辆阴影检测

针对当前基于颜色特征的阴影检测算法鲁棒性低的缺点,本文提出了一种基于灰度渐变一致性的运动车辆阴影检测算法.首先应用改进的高斯混合模型对背景进行自适应重建和更新,然后根据差分图像中运动阴影在水平和竖直方向上灰度变化一致的特点,提取阴影区域的灰度跳变点,并以灰度跳变点的密度分布为依据分割车身区域和阴影区域,实现对阴影区域的识别与提取.实验结果表明,该算法能够快速有效地提取运动车辆的阴影,同时,本算法在阴影与相邻车辆车身重叠情况下也有较好的检测效果.     

一种子带适应的图象恢复最小二乘迭代算法

研究了基于子波变换的图象最小二乘恢复技术,提出了一种具有子带适应性的选代算法实验结果表明,采用该算法的恢复图象的质量和迭代收敛的速率均优于常规的空域解法．     

分形插值快速IFS算法在图象压缩编码中的应用

研究了一维和二维分形插值快速ＩＦＳ算法在图象压缩编码中的应用．通过与传统的ＰＩＦＳ分形图象压缩算法的比较，提出了一种改进的一维ＩＦＳ分形插值算法与双线性插值算法相结合的图象压缩编码方法，在保持重建图象质量和压缩比的前提下，运算时间大大降低     

不完全投影数据的最大熵再投影图象重建

针对某些被测物对部分射线“不透明”致使相应投影数据丢失情况,提出了最大熵再投影的图象重建新算法,经通用微机上仿真对比实验,重建图象质量优于传递的最大熵法。     

代数重建和同步迭代重建在电容层析成像中的比较研究

针对电容层析成像技术(ECT)中的逆问题——图像重建算法的非线性和病态性问题,以12电极电容层析成像系统为对象,研究了代数重建算法(ART)与同步迭代重建算法(SIRT).分别对仿真电容值和实测电容值进行图像重建的实验验证,从成像效果、相对误差及重建时间3个方面对这两种算法进行了评估与分析.结果表明,ART算法和SIRT算法均能有效地实现ECT图像重建,其中SIRT算法能够在100次迭代内达到高精度,在收敛速度和成像效果上更具有优势.     

基于MAP准则的图象恢复和边缘检测方法

运用基于马尔可夫随机场的ＭＡＰ准则进行图象恢复和边缘检测,并在运用模拟退火算法时,采用逐点象素向邻域跳变的方法,大大减少了运算量．从实验结果看,该方法明显好于视觉处理中常规的零交叉方法．     

SPECT图像重建中的衰减校正算法比较

为克服单光子发射计算机断层显像中 ,会出现假阳性的结果。利用胸部数学模型和投影算法得到发射和透射的投影数据 ,采用校正算法重建发射断层图像 ,再与模型数据相比较 ,从而确定各算法的收敛性和收敛速度 ,总结出选择合适的衰减校正算法 ,并提出了将多目标优化方法应用于衰减校正的设想。     

医学图像三维重建中的关键算法

本文主要讨论了基于序列图像的三维重建中的两个关键算法:特征数据点列的重采样算法与三角化算法.本文把Douglas-Peucker线性简化算法应用在特征边界的重采样上,数据的压缩比得到了明显的改善,也显著地提高了可视化处理速度.并使用一种简单的三角化算法,对重采样后的数据点列进行三角化,实现目标的三维重建.     

基于改进的后退型最优正交匹配追踪的图像重建方法

摘要：正交匹配追踪OMP(Orthogonal Matching Pursuit)是可压缩传感理论CS(Compressed Sensing)中一种贪婪迭代的图像重建方法,该方法以快速高效而著称。但现有的OMP算法都是在给定迭代次数(待重建图像的稀疏度)的条件下重建,这样强制迭代过程停止的方法使得OMP方法需要非常多的线性测量来保证精确重建。本文提出一种改进的后退型最优OMP算法。该方法首先利用最优正交匹配追踪OOMP (Optimized Orthogonal Matching Pursuit)算法,在迭代过程通过最优的正交化性来约束原子的选择,保证原子的选择在最小化当前冗余误差的意义下最优;利用稀疏度作为适应性迭代次数的标准,给出一种非常简单的原子选择机制对得到的迭代结果进行后处理,向后剔除其中多余的原子从而获得精确重建。实验结果表明,与OMP相比较,改进算法可以获得精确重建并大大降低了对测量数目的要求。     

电容成像图像重建算法原理及评价

对现有的电容成像图像重建算法进行了综述并介绍了其原理,其中包括线性反投影法(LBP)、基于奇异值分解(SVD)的直接算法、Tikhonov正则化方法、Newton-Raphson算法、最速下降法、Landweber迭代算法、代数重建技术(ART)、同步迭代重建技术(SIRT)和基于模型的重建算法。在此基础上使用仿真和实验数据对目前主要使用的线性反投影法、基于奇异值分解的直接方法、Tikhonov正则化方法、Tikhonov迭代、投影Landweber迭代等进行了评价。对它们从电容值误差、图像误差、相关系数和耗用时间几个角度进行了比较,并对今后电容成像图像重建算法的发展方向提出了一些看法。     

矩阵低秩逼近的快速增量算法及其在人脸图像中的应用

针对矩阵数据降维或低秩逼近问题,提出了一种快速增量算法.假设矩阵数据存在双边分解,建立了两个相互耦合的特征子空间模型,因此增量算法由两个特征子空间的迭代更新构成.每一步迭代,新载入的矩阵数据沿着行(列)特征子空间进行正交分解,从而获得了行(列)协方差矩阵更紧致的表达.一旦该表达被建立,行(列)特征子空间的更新就可以通过解一个和矩阵数据的行(列)数相比更小规模的特征值问题来完成,算法的高效率得以实现.该算法被应用到人脸图像重构和人脸跟踪问题中,一系列实验表明了算法的有效性.     

基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

校园航拍图像超分辨率重建的粒计算方法

提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.     

基于时间反转矩阵理论的障碍物形态数据的确定

 针对经典多重信号分类法（MUSIC）算法存在图像重建包含目标信息较少的问题,引入时间反转矩阵推导建立确定散射物图像的理论方法,分析改进MUSIC 算法的定位精确性及其与阵元间距信噪比信号入射角度差间的关系。应用Ipswich 数据集,试验得出改进算法实现了较好的数据图像重建,为算法在确定障碍物形状上的优势提供依据。通过对非对称的双圆形金属柱体对比试验,得出算法在高频情况下可以较好的完成图像重建,且频率越高图像重建的特征值越小,分辨率越高。     

基于离散多小波变换的遥感图像融合方法

以不同分辨率的遥感图像为对象,基于Chui—Lian（CL）离散多小波变换的特性,提出了一种新的图像融合方法．该方法将两幅不同的源图像分别进行预处理和多小波分解得到各个分解图像,然后对分解图像分别采用基于区域特征的融合方法,得到混合的分解系数,通过多小波重构和后处理算法从而获得融合图像．该方法能够为图像融合提供一种比传统的小波变换更加精确的融合方法．实验结果证明采用这种方法可以得到更好的融合效果,不仅能够完好地显示源图像各自的信息,而且能更好地将源图像的细节融合在一起．